클러스터 시각화하기
지금까지 우리는 관측값과 함께 클러스터를 나타내는 타원까지 한 그림에 표시하는 데 필요한 모든 것을 준비했어요.
또한 두 개의 클러스터 중 하나로 각 관측값을 할당하려면 clusters() 함수를 사용해 실제 레이블과 결과를 비교할 수 있어요. 상기하자면, 변수 Weight만 사용해서 데이터를 클러스터링했을 때는 여성 4500명과 남성 4556명을 정확히 예측했어요. 이제 추가 변수를 포함했을 때 클러스터를 더 잘 분리할 수 있는지 확인해 봅시다.
이 연습은 강의의 일부입니다
R로 배우는 Mixture Models
연습 안내
geom_point()를 사용해Weight와BMI의 산점도를 만드세요. 여기에geom_path()함수로ellipses_comp_number에 저장된 두 개의 타원을 추가하세요.- 타원은 데이터 프레임으로 변환되어야 해요.
- 클러스터 1은 빨간색, 클러스터 2는 파란색으로 색을 지정하세요.
- 변수
Gender에 저장된 실제 레이블과clusters로 추정한 예측 레이블의 교차표(빈도표)를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Plot the ellipses
gender %>%
ggplot(aes(x = ___, y = ___)) + ___()+
geom_path(data = data.frame(ellipse_comp_1), aes(x=x,y=y), col = "___") +
geom_path(data = data.frame(ellipse_comp_2), aes(x=x,y=y), col = "___")
# Check the assignments
table(gender$Gender, clusters(fit_with_cov))